基于影像组学的网络游戏成瘾预测模型研究

Adolescents are at high risk of Internet gaming disorder (IGD). The dynamic changes of the brain induced by IGD can enhance our understanding of the neural mechanism. In order to implement the early identification of IGD, it is necessary to develop the prediction model of IGD based on multimodal neuroimaging technologies. This current project plans to use the longitudinal experimental design to track the high-risk population of IGD during 4 years. (1) We compare the multimodal neuroimaging data among three different time points of the IGD (Baseline, onset of IGD and 1 year after IGD) to reveal the dynamic structural and functional brain changes. (2) Based on whole brain voxel-wise imaging data, the features of single modality neuroimaging data are extracted and then fused. The derived features were then used to build the predicting models to predict whether the subjects will develop into IGD and the severity of IGD, respectively. (3) By using human brain connectome methods, the topography parameters were generated from brain networks. The features were then extract and fused to build the predicting models of IGD. The project followed the radiomics protocol to build the micro-(voxel) and macro-(network) prediction models for IGD, which was characterized by advanced technical sophistication, great scientific value and high potential of strong clinical application.

青少年是网瘾的高危人群，基于纵向跟踪的实验设计揭示网瘾对青少年大脑的动态变化有利于增强我们对网瘾机制的认识；同时，从对网瘾的早期预警角度来看，亟待开发网瘾早期预测的多模态脑影像学模型。本课题拟针对青少年进行为期四年的跟踪，具体研究内容如下：(1)对青少年不同时间节点下（未网瘾基线状态、网瘾初期、网瘾一年后）多模态数据，分别从全脑体素和连接度组学两方面进行全面分析，深入研究网瘾人群大脑功能和结构的动态变化；（2）在全脑体素水平进行特征选择，尝试进行多模态影像学信息融合，针对网瘾是否发生及网瘾严重程度，构建青少年网瘾预测模型；（3）在脑网络水平进行连接度组学特征融合及提取，针对网瘾是否发生及网瘾严重程度，构建青少年网瘾预测模型。本项目借助“影像组学”的概念及方法框架建立微观（体素）和宏观（网络）水平的网瘾预测模型，具有较高的技术先进性、较大的科研价值及较强的临床应用前景。

青少年是网瘾的高危人群，基于纵向跟踪的实验设计揭示网瘾对青少年大脑的动态变化有利于增强我们对网瘾机制的认识；同时，从对网瘾的早期预警角度来看，亟待开发网瘾早期预测的多模态脑影像学模型。本项目完成被试入组400余人，并进行了为期2年的纵向跟踪，其中55名被试发展成为网瘾；基于影像学信息采用层次聚类的方法，构建了网瘾预测模型，目前亚型1中发展为网瘾的比例为19%（高风险组），亚型0中发展为网瘾的比例为6.5%（低风险组）；本研究构建的预测模型，能够探究两年后个体是否发展为网瘾高风险人群，以实现对网瘾早发现、早治疗，降低网络对青少年的危害。除此之外，本项目还完成了网瘾个体的识别模型，借助机器学习的思想，实现了对网瘾个体识别的算法研究。在成瘾理论研究方面，采用功能磁共振信息和脑电数据，考察了成瘾渴求的脑影像及电生理机制；网络成瘾与药物成瘾具有类似的额叶-纹状体回路的影像学表现；成瘾人群长期戒断，行为学的改善会伴随大脑结构和功能的可塑性变化。最后，项目基于影像学发现，借助rTMS对吸烟成瘾人群进行了有效干预，并将该技术拓展到失眠人群的治疗中，取得了系列的研究成果。该项目的实施，增强了我们对网瘾机制的认识，预测模型的建立可以帮助我们针对网瘾高风险个体进行早期预防，无创脑刺激的引入，也为未来网瘾的干预治疗提供了先验。